JPH0388592A - テレビ電話装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ［産業上の利用分野」 この発明は、画像および音声の送受イεを行なうテレビ
電話装置に関し、特に受イεした音声情報を文字情報に
変換して表示できるようにしたテレビ電話装置に関する
。

［従来の技術］ 公衆電話回線を利用したテレビ電話装置が普及している
。

このテレビ電話装置では、画像はモニタ（ＣＲＴなどの
表示装置）によって認識され、音声は耳によって認識し
ている。

［発明が解決しようとする課題］ テレビ電話装置はユーザが希望する場所に設置されるも
のであるから、交通量の激しい道路ぎわのように、使用
環境があまり良くない所に設置されることがある。その
ようなときには、受信した音声を十分にＢＥ　ＩＪでき
ない場合が起きる。そのときには、同じ内容を再度相手
先に問い直している。

また、受信状態が悪いときにも、同じように相手の声が
間き取りにくくなるなことが起きる。

そこで、この発明では、このような点を改善したもので
あって、設置環境や受信状態が悪いところでも、確実に
受信した音声を把握てきるようにしたテレビ電話装置を
提案するものである。

［課題を解決するための手段］ 上述した課題を解決するため、この発明においては、音
声と画像の情報を夫々電話回線を用いて送受４’ｊるよ
うにしたテレビ電話装置において、音声ＢＰｉｍ部と文
字コード変換部とが設けられ、音声認識部は、受信者の
音声を記録する手段と、予め入力した音声データを基に
記録した音声とを比較参照して認識する手段とを有し、 認識された音声が上記文字コード変換部において文字情
報に変換され、 変換されたこの文字情報が表示部に供給されて、画像の
一部にこの文字情報が挿入されるようになされたことを
特徴とするものである。

［１作　用］ 受信した音声情報は音声認識部３０で認識され、その認
識結果に基づいて文字コード変換部２５で文字情報（文
字コード）に変換される。

この文字情報が画像情報と共にモニタ４に供給されて、
画像の一部に文字情報が挿入される。例えば、スーパー
インポーズされる。

こうすれば、例えば受信状態が悪かったり、周囲の騒音
が激しく、それによって音声を正確に認識できないとき
でも、音声が文字情報に変換されて画像の一部にモニタ
できるようになるから、音声の内容を的確に把握するこ
とができる。

［実　施　例］ 続いて、この発明に係るテレビ電話装置の一例を、第１
図及び第２図を参照して詳細に説明する。

第１図は、本発明の基本構成図である。

第１図において、１は公衆回線、２は音声を入出力する
受話器である。

３は送信するための画像を取り込むため、装置本体に内
蔵されたピデメカメラである。

４は送信する画像の確認と受信した画像を表示するため
のモニタ（ＣＲＴなどの表示装置）である。

５は操作部（キーボード）であり、これに設けられたテ
ンキーを利用して、直接電話番号などが入力される。

６はコンピュータを内蔵した制御部であり、これは、Ｃ
ＰＵ７、プログラムＲＯＭ８及びワークＲＡＭ９から構
成されている。

プログラムＲＯＭ８には、音声認識処理、送信処理、モ
ニタ表示処理などの各種の制御プログラムが格納されて
いるものとする・。したがって、制御部６は操作部５か
ら入力された各種の情報をもとに様々な処理が行なわれ
る。

操作部５から入力された電話番号によって回線が接続さ
れると、切換スイッチ１４，１８．１９は夫々実線図示
の状態に切換られるので、音声のみ送受信ができる状態
となる。

そして、ビデオカメラ３で撮像した画像情報（自画像）
は　Ａ／Ｄ変換Ｎ１２でディジタル４８号に変換されて
から画像メモリ１３にストアされ、ストアされた画像信
号は切換スイッチ１４、画像合成部１５を経てＤ／Ａ変
換器１６に供給されてアナログ信号に戻されたのち、モ
ニタ４に供給されて自画像が映しだされる。そして、切
換スイッチ１８が実線位置に切換られているときには、
画像情報を送信先に伝送することはできない。

画像送信モードに切換られると、切換スイッチ１８が破
線図示のモードに切換られる。

これで、画像メモリ１３よりリードされた画像情報がＤ
／Ａ変換器２０でアナログ信号に変換され、このアナロ
グ４ｇ号の状態で公衆回線１側に送出される。この画像
情報の送信状態にあるときには、ビデオカメラ３からの
画像信号は画像メモリ１３にメモリされないように、制
御部６によって制御される。

画像の送信が終了すると、画像の送信が終了したことを
送信者に伝えると共に、切換スイッチ１８が自動的に実
線図示の状態に切り換えられて、音声のみ送受信状態と
なる。このときには、画像メモリ１３は書き込みイネー
ブル状態となる。

一方、公衆回線１より伝送された相手側の画像情報は切
換スイッチ１９を経てＡ／Ｄ変換器２１に供給されてデ
ィジタル信号に変換されてから画像メモリ２２に蓄えら
れる。画像メモリ２２よりリートされた画像情報は切換
スイッチ１４、画像合成部１５を経てＤ／Ａ変換器１６
に供給されてアナログ信号に再変換される。その後、モ
ニタ４に供給されて相手側の画像かモニタ４上に映出さ
れる。切換スイッチ１４の切換は操作部５によって指示
される。

受信した音声信号は受話器２で再生されると共に、Ａ／
Ｄ変換器２３によってディジタル信号に変換されたのち
、音声メモυ２４にストア１７きれる。

音声メモリ２４よりリードされた音声信号は音声認識部
３０に供給されて、音声の認識処理が実行されると共に
、その認識結果か文字コード変換用のメモリ２５に供給
されて、音声情報が文字情報に変換される。

この文字情報が画像合成部１５て自画像若しくは受信画
像に合成されてモニタ４に供給される。

これで、受信した音声信号か文字情報としてモニタ４上
に映し出される。

音声認識部３０は第２図に示すように構成することがで
きる。

同図において、入力端子３１に供給された音声信号のデ
ータは音響分析部３２で周波数分析されて、音声のスペ
クトル分析の変化などの様体が調べられる。その分析結
果は情報圧縮部３３で時間軸の正規化か行なわれて発音
速度の変化によるバラツキが吸収される。これらの処理
を行なうことによって、不特定の人物に対し音声認識を
行なうことができる。

一方、音素（音節）学習部３５には、通話の始めに予め
送信者の音声データが幾つか入力されている。そして、
情報圧縮部３３から送られてくる音声データ（前影情報
）が、音素学習部３５からのデータに基づいて音素認識
部３４において音素認識処理、具体的には音韻情報の抽
出処理が実行される。

音素学習部３５と音素認識部３４とを使用すれば、２度
目以降に同じ前影情報が入力された場合、即座にその音
韻を抽出することができる。

抽出された音韻情報が単語（文節）認識部３６で、単語
辞書部３７からの単語情報と照合されなから単語の認識
処理か実行きれ、認識された単語情報が出力端子３８に
得られる。この単語情報か文字コードメモリ２５のアド
レスとして供給されることによって、単語情報が文字を
表現するための文字情報（文字コート）に変換される。

このような音声認識処理は制御部６に格納された音声処
理用の制御プログラムに基づいて処理され、また、操作
部５からの指令で、自画像若しくは受信画像に、この文
字情報が合成されてモニタ４上に映し出される。

文字の画面上における表示位置や、縦書、横書、書体な
どの指定は何れも操作部５で指定できるものとする。文
字のみの表示や画像のみの表示も、勿論操作部５で指定
できる。

［発明の効果］ 以上説明したように、この発明の構成によれば、受信し
た音声を文字としても画面に表示することができる。

したがって、受信環境か悪いところや、受信者かｉ！ｆ
［Ｉ！の場合ても、相手の伝達意思を容易、かっ確実に
把握できる特徴を有する。

【図面の簡単な説明】

第１図はこの発明の基本構成図、 第２図は音声 認識部の系統図である。 １４゜ １　・ ２　・ ３　・ ４　・ ５　・ ６　・ １３、　２２　　・ １８、　１９　　・ ２４　・ ２５　・ ３０　・ ３２　・ ３３　・ ３４　・ ・公衆回線 ・受話器 ・ビデオカメラ ・モニタ ・操作部 ・制御部 ・画像メモリ ・切換スイッチ ・音声メモリ ・文字コード変換部 ・音声認識部 ・音響分析部 ・情報圧縮部 ・音素認識部 ３５　・　・ ・音素学習部 ３６　・　・ ・単語認識部 ３７　・　・ ・単語辞書部

Claims (1)

【特許請求の範囲】
1. （１）音声と画像の情報を夫々電話回線を用いて送受信
   するようにしたテレビ電話装置において、音声認識部と
   文字コード変換部とが設けられ、音声認識部は、受信者
   の音声を記録する手段と、予め入力した音声データを基
   に記録した音声とを比較参照して認識する手段とを有し
   、 認識された音声が上記文字コード変換部において文字情
   報に変換され、 変換されたこの文字情報が表示部に供給されて、画像の
   一部にこの文字情報が挿入されるようになされたことを
   特徴とするテレビ電話装置。